用pandas读取格式错误的“csv”文件

Question

我有一个格式错误的“csv”文件：

txt = """NAME;a;b;c
ATTR1;1;2;3
ATTR2;1;2;3;;;
ATTR3;1;2;3;
ATTR4;1;2;3"""

我有一种方法可以使用pandaspd.read_*工具箱来获得以下pd.DataFrame：

^{pr2}$

是吗？在

另外，我知道怎么用import csv

感谢您的想法和BR， 莱克斯

编辑

这是一个来自真实文件的玩具示例（我再次不得不修改它）。。。在

SRC = 'https://dl.dropboxusercontent.com/u/40513206/test.csv'
NA_VALUES = ['', '#N/A N/A', '#N/A Field Not Applicable', '#N/A Invalid Field',
         '#N/A Invalid Security', '#N/AN/A', '#N/A Limit', '#####', '#DIV/0!', 
         '#N/A', '#NAME?', '#NULL!', '#NUM!', '#REF!', '#VALUE!']
CSV_ENCODING = 'WINDOWS-1252'
S_ROWS = 6
NR_ROWS = 60
NR_COLS = 52 # correct nr. of columns, but not always known

dat_m = pd.read_csv(SRC, sep = ';', header = None, index_col = None, skiprows = S_ROWS, 
                nrows = NR_ROWS, encoding = CSV_ENCODING, na_values = NA_VALUES, names = range(NR_COLS))

似乎如果我们使用names参数，那么NR_COLS必须是>=第一行中的实际列数，如果不是这样，则形成Index或{}（基于实际列），例如，NR_COLS = 50那么索引有2个级别，如果{}则有3个级别，等等

所有这些都是我将Excel保存到csv时的结果，它似乎向某些行添加了sep = ';'，而且由于其他原因，我不能直接使用xls（read）文件。在

所以我将使用大的NR_COLS值或继续使用csv库。在

谢谢你！在

Answer 1

怎么样：

>>> txt = 'NAME;a;b;c\nATTR1;1;2;3\nATTR2;1;2;3;;;\nATTR3;1;2;3;\nATTR4;1;2;3'
>>> pd.read_csv(StringIO(txt),sep=";",names=range(4))
       0  1  2  3
0   NAME  a  b  c
1  ATTR1  1  2  3
2  ATTR2  1  2  3
3  ATTR3  1  2  3
4  ATTR4  1  2  3

[5 rows x 4 columns]

有时候，当我不知道有多少列之前，我会做一些愚蠢的事情，比如names=range(128)，然后.dropna(how='all', axis=1)。在